Uso do gráfico c para dados de contagem autocorrelacionados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/34292 |
Resumo: | A classe dos modelos INARMA é bem adequada para modelar a estrutura e a autocorrelação de processos com marginais Poisson, no contexto de controle estatístico de qualidade. Processos de contagem surgem em diversas situações, concentraremos no uso do modelo para uma sequência estacionária de valores inteiros (processos de contagem auto regressivos de ordem 1 [INAR(1)]),que são processos estocásticos mutuamente independentes com particular relevância para o gráfico de controle. Considerando o cenário de dados de contagem autocorrelacionados, este trabalho propõe monitorar processos de contagem sob o modelo INAR(1), através do uso gráfico c (gráfico de controle para monitorar o número de não – conformidades da amostra) modificando os limites de controle usuais e adaptando o uso desse modelo ao gráfico (c), também faremos uma análise de sensibilidade do modelo através de simulações do NMA, número de amostras que excedem o limite de controle, para diferentes combinações dos parâmetros do gráfico. Essas perturbações e análises dos parâmetros reproduzem o que foi feito em Weiβ(2007) porém incluímos casos adicionais α = 0.9α0, α = 1.1α0, λ = 0.9λ0 e λ = 1.1λ0. Incluímos também, na simulação os casos em que α0 = 0. Os resultados mostram que a autocorrelação provoca, nos gráficos de controle c, uma sinalização mais tardia, quando este sofre alguma perturbação de −20% e −10%. Já quando estamos lidando com uma perturbação de +20% na autocorrelação, o gráfico detecta rápido a mudança, a medida que o número de não - conformidades aumenta. Por fim, aplicamos a metodologia estudada para um conjunto de dados reais referente à contagem de endereços de IP. |
id |
UFRN_1c4be9a0d97bb6b8824c4bf6bb94a3ab |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/34292 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Fernandes, Fidel HenriquePINHO, André Luís Santos dePEREIRA, Marcelo BourguignonMedeiros, Pledson Guedes de2016-02-11T18:35:20Z2021-09-20T12:08:45Z2016-02-11T18:35:20Z2021-09-20T12:08:45Z2015-12-122012973254FERNANDES, Fidel Henrique. Uso do gráfico c para dados de contagem autocorrelacionados. 2015. 58 f. Monografia (Graduação em Estatística) - Centro de Ciências Exatas e da Terra, Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal. 2015.https://repositorio.ufrn.br/handle/123456789/34292Universidade Federal do Rio Grande do NorteUFRNBrasilEstatísticaControle Estatístico de Qualidade. Gráfico c. INAR(1). INARMA. IP. NMA. Poisson e thinning binomial.Uso do gráfico c para dados de contagem autocorrelacionadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisA classe dos modelos INARMA é bem adequada para modelar a estrutura e a autocorrelação de processos com marginais Poisson, no contexto de controle estatístico de qualidade. Processos de contagem surgem em diversas situações, concentraremos no uso do modelo para uma sequência estacionária de valores inteiros (processos de contagem auto regressivos de ordem 1 [INAR(1)]),que são processos estocásticos mutuamente independentes com particular relevância para o gráfico de controle. Considerando o cenário de dados de contagem autocorrelacionados, este trabalho propõe monitorar processos de contagem sob o modelo INAR(1), através do uso gráfico c (gráfico de controle para monitorar o número de não – conformidades da amostra) modificando os limites de controle usuais e adaptando o uso desse modelo ao gráfico (c), também faremos uma análise de sensibilidade do modelo através de simulações do NMA, número de amostras que excedem o limite de controle, para diferentes combinações dos parâmetros do gráfico. Essas perturbações e análises dos parâmetros reproduzem o que foi feito em Weiβ(2007) porém incluímos casos adicionais α = 0.9α0, α = 1.1α0, λ = 0.9λ0 e λ = 1.1λ0. Incluímos também, na simulação os casos em que α0 = 0. Os resultados mostram que a autocorrelação provoca, nos gráficos de controle c, uma sinalização mais tardia, quando este sofre alguma perturbação de −20% e −10%. Já quando estamos lidando com uma perturbação de +20% na autocorrelação, o gráfico detecta rápido a mudança, a medida que o número de não - conformidades aumenta. Por fim, aplicamos a metodologia estudada para um conjunto de dados reais referente à contagem de endereços de IP.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTGraficoC_Fernandes_2015.pdf.txtExtracted texttext/plain81990https://repositorio.ufrn.br/bitstream/123456789/34292/1/GraficoC_Fernandes_2015.pdf.txta938c6fa8e6e0fc4f63eb6c0ed4f049fMD51LICENSElicense.txttext/plain756https://repositorio.ufrn.br/bitstream/123456789/34292/2/license.txta80a9cda2756d355b388cc443c3d8a43MD52ORIGINALGraficoC_Fernandes_2015.pdfMonografiaapplication/pdf1013662https://repositorio.ufrn.br/bitstream/123456789/34292/3/GraficoC_Fernandes_2015.pdffaa4e996392538c84d434a18e2e50688MD53123456789/342922021-09-20 09:08:45.909oai:https://repositorio.ufrn.br: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ório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2021-09-20T12:08:45Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pr_BR.fl_str_mv |
Uso do gráfico c para dados de contagem autocorrelacionados |
title |
Uso do gráfico c para dados de contagem autocorrelacionados |
spellingShingle |
Uso do gráfico c para dados de contagem autocorrelacionados Fernandes, Fidel Henrique Controle Estatístico de Qualidade. Gráfico c. INAR(1). INARMA. IP. NMA. Poisson e thinning binomial. |
title_short |
Uso do gráfico c para dados de contagem autocorrelacionados |
title_full |
Uso do gráfico c para dados de contagem autocorrelacionados |
title_fullStr |
Uso do gráfico c para dados de contagem autocorrelacionados |
title_full_unstemmed |
Uso do gráfico c para dados de contagem autocorrelacionados |
title_sort |
Uso do gráfico c para dados de contagem autocorrelacionados |
author |
Fernandes, Fidel Henrique |
author_facet |
Fernandes, Fidel Henrique |
author_role |
author |
dc.contributor.referees1.none.fl_str_mv |
PINHO, André Luís Santos de |
dc.contributor.referees2.none.fl_str_mv |
PEREIRA, Marcelo Bourguignon |
dc.contributor.author.fl_str_mv |
Fernandes, Fidel Henrique |
dc.contributor.advisor1.fl_str_mv |
Medeiros, Pledson Guedes de |
contributor_str_mv |
Medeiros, Pledson Guedes de |
dc.subject.pr_BR.fl_str_mv |
Controle Estatístico de Qualidade. Gráfico c. INAR(1). INARMA. IP. NMA. Poisson e thinning binomial. |
topic |
Controle Estatístico de Qualidade. Gráfico c. INAR(1). INARMA. IP. NMA. Poisson e thinning binomial. |
description |
A classe dos modelos INARMA é bem adequada para modelar a estrutura e a autocorrelação de processos com marginais Poisson, no contexto de controle estatístico de qualidade. Processos de contagem surgem em diversas situações, concentraremos no uso do modelo para uma sequência estacionária de valores inteiros (processos de contagem auto regressivos de ordem 1 [INAR(1)]),que são processos estocásticos mutuamente independentes com particular relevância para o gráfico de controle. Considerando o cenário de dados de contagem autocorrelacionados, este trabalho propõe monitorar processos de contagem sob o modelo INAR(1), através do uso gráfico c (gráfico de controle para monitorar o número de não – conformidades da amostra) modificando os limites de controle usuais e adaptando o uso desse modelo ao gráfico (c), também faremos uma análise de sensibilidade do modelo através de simulações do NMA, número de amostras que excedem o limite de controle, para diferentes combinações dos parâmetros do gráfico. Essas perturbações e análises dos parâmetros reproduzem o que foi feito em Weiβ(2007) porém incluímos casos adicionais α = 0.9α0, α = 1.1α0, λ = 0.9λ0 e λ = 1.1λ0. Incluímos também, na simulação os casos em que α0 = 0. Os resultados mostram que a autocorrelação provoca, nos gráficos de controle c, uma sinalização mais tardia, quando este sofre alguma perturbação de −20% e −10%. Já quando estamos lidando com uma perturbação de +20% na autocorrelação, o gráfico detecta rápido a mudança, a medida que o número de não - conformidades aumenta. Por fim, aplicamos a metodologia estudada para um conjunto de dados reais referente à contagem de endereços de IP. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015-12-12 |
dc.date.accessioned.fl_str_mv |
2016-02-11T18:35:20Z 2021-09-20T12:08:45Z |
dc.date.available.fl_str_mv |
2016-02-11T18:35:20Z 2021-09-20T12:08:45Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.pr_BR.fl_str_mv |
2012973254 |
dc.identifier.citation.fl_str_mv |
FERNANDES, Fidel Henrique. Uso do gráfico c para dados de contagem autocorrelacionados. 2015. 58 f. Monografia (Graduação em Estatística) - Centro de Ciências Exatas e da Terra, Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal. 2015. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/34292 |
identifier_str_mv |
2012973254 FERNANDES, Fidel Henrique. Uso do gráfico c para dados de contagem autocorrelacionados. 2015. 58 f. Monografia (Graduação em Estatística) - Centro de Ciências Exatas e da Terra, Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal. 2015. |
url |
https://repositorio.ufrn.br/handle/123456789/34292 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Estatística |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/34292/1/GraficoC_Fernandes_2015.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/34292/2/license.txt https://repositorio.ufrn.br/bitstream/123456789/34292/3/GraficoC_Fernandes_2015.pdf |
bitstream.checksum.fl_str_mv |
a938c6fa8e6e0fc4f63eb6c0ed4f049f a80a9cda2756d355b388cc443c3d8a43 faa4e996392538c84d434a18e2e50688 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1814832970093035520 |